Summary of Degree Programme
01.04.02 Applied Mathematics and Informatics
No
2 года 
Full-time, 120
RUS
Instruction in Russian
Master
No
Online programme
2026/2027 Academic year
Applied Neural Network Technologies
КОР-1: Способен применять фундаментальные знания, полученные в области компьютерных наук, и использовать их в профессиональной деятельности.
КОР-2: Способен использовать и адаптировать существующие математические методы и системы программирования для разработки и реализации алгоритмов решения прикладных задач анализа данных.
КОР-3: Способен применять и модифицировать математические модели для решения задач в области профессиональной деятельности.
КОР-4: Знает основные принципы работы с данными, владеет современными инструментами анализа данных на начальном уровне, в том числе навыками программирования, алгоритмизации и математическими методами при решении задач анализа данных.
ПК-1: Способен поддерживать коллективную научную коммуникацию, организовывать научные мероприятия.
ПК-2: Способен организовать обучение специалистов в области прикладной математики новым методам и инструментам в соответствии с направлением подготовки и специализацией.
ПК-3: Способен анализировать и воспроизводить смысл междисциплинарных текстов с использованием языка и аппарата прикладной математики и информатики.
ПК-4: Способен создавать междисциплинарные тексты с использованием языка и аппарата прикладной математики и информатики.
ПК-5: Способен оформлять и представлять публично результаты профессиональной деятельности с использованием информационных технологий.
ПК-6: Способен осуществлять целенаправленный многокритериальный поиск информации о новейших научных и технологических достижениях в сети Интернет и в других источниках.
ПК-7: Способен создавать, описывать и ответственно контролировать выполнение технологических требований и нормативных документов в профессиональной деятельности.
ПК-8: Способен получать, очищать, анализировать и визуализировать большие объёмы данных.
ПК-9: Способен реализовывать модели и алгоритмы прикладной математике в виде компьютерных программ.
ПК-10: Способен оценивать корректность и воспроизводимость применения методов прикладной математики и информатики.
ПК-11: Способен организовать научно-исследовательскую деятельность.
Учебный план образовательной программы включает в себя следующие модули:
1. Модуль «Ключевые семинары» обеспечивает сквозное сопровождение индивидуальной образовательной траектории студента и формирование профессиональной идентичности разработчика интеллектуальных систем. Семинар наставника позволяет объединить содержательные линии Major, практики и НИР: на семинарах обсуждаются отраслевые кейсы, прогресс по проектам и ВКР, рассматриваются реальные вакансии и требования к будущим специалистам. В рамках Семинара наставника к работе привлекаются эксперты индустрии, которые проводят вебинары и даже полноценные курсы. Модуль выступает в роли площадки для оперативной и гибкой интеграции академического и практического опыта, выстраивания карьерной траектории.
2. Модуль «Практика» ориентирован на формирование у студентов опыта решения отраслевых задач, работы в командах и взаимодействия с заказчиком. В него входит:
– Курсовая работа для студентов первого курса, ориентированная на создание первого комплексного проекта, основанного на знаниях, полученных в ходе освоения программы 1 года обучения.
– Производственная практика в летний период после первого года обучения, дающая возможность студентам применить практические навыки в прикладных задачах, связанных с разработкой ИИ-агентов и автоматизаций.
– Подготовка выпускной квалификационной работы (ВКР), которая обеспечивает структурированную работу над ВКР: углубление теоретической базы, разработку и экспериментальную проверку предложенного решения, оформление текста и подготовку к защите.
3. Модуль «Major» является содержательным ядром программы и обеспечивает формирование профессиональных компетенций разработчика интеллектуальных систем. В его состав входят:
– дисциплины по фундаментальной математической подготовке: «Дискретные и непрерывные структуры», «Линейная алгебра», «Теория вероятностей и математическая статистика»;
- дисциплины составляющие ядро подготовки специалиста в области наук о данных и искусственного интеллекта: «Машинное обучение», «Нейронные сети и глубинное обучение», «Анализ и прогнозирование временных рядов», «Разработка ИИ-агентов»;
– прикладные курсы по языкам программирования, инструментам и технологиям: «Программирование на Python», «Python для анализа данных», «Инфраструктура и администрирование», «Разработка и прототипирование ML-сервисов», «DevOps», «Базы и хранилища данных», «Жизненный цикл моделей ML»;
Обучение строится по принципу пирамиды, где в основании фундаментальные наиболее востребованные инструменты и знания для специалистов на рынке труда. После построения фундаменты идет погружение в более узкие, сложные и специализированные темы, необходимые для освоения профессии Разработчика интеллектуальных систем.
4. Модуль «МагоЛего» предоставляет студентам возможность сформировать индивидуальную междисциплинарную траекторию и углубленную специализацию за счет выбора дисциплин. Среди дисциплин, предлагаемых к выбору: «Рекомендательные системы», «DevOps-2», «LSML», «NLP», «Компьютерное зрение», «A/B тестирование». Такой формат позволяет адаптировать обучение под карьерные планы студента и запросы рынка.
5. Модуль «ГИА» включает итоговую защиту выпускной квалификационной работы. Он завершает сквозную исследовательско‑проектную линию программы и служит инструментом комплексной оценки сформированных у студента компетенций в области наук о данных и разработки интеллектуальных систем.
2025/2026 Academic year
Master of Data Science
КОР-1: Способен применять фундаментальные знания, полученные в области компьютерных наук, и использовать их в профессиональной деятельности.
КОР-2: Способен использовать и адаптировать существующие математические методы и системы программирования для разработки и реализации алгоритмов решения прикладных задач анализа данных.
КОР-3: Способен применять и модифицировать математические модели для решения задач в области профессиональной деятельности.
ПК-1: Способен организовать научно-исследовательскую деятельность.
ПК-2: Способен поддерживать коллективную научную коммуникацию, организовывать научные мероприятия.
ПК-3: Способен организовать обучение специалистов в области прикладной математики новым методам и инструментам в соответствии с направлением подготовки и специализацией.
ПК-4: Способен анализировать и воспроизводить смысл междисциплинарных текстов с использованием языка и аппарата прикладной математики и информатики.
ПК-5: Способен создавать междисциплинарные тексты с использованием языка и аппарата прикладной математики и информатики.
ПК-6: Способен оформлять и представлять публично результаты профессиональной деятельности с использованием информационных технологий.
ПК-7: Способен осуществлять целенаправленный многокритериальный поиск информации о новейших научных и технологических достижениях в сети Интернет и в других источниках.
ПК-8: Способен создавать, описывать и ответственно контролировать выполнение технологических требований и нормативных документов в профессиональной деятельности.
ПК-9: Способен получать, очищать, анализировать и визуализировать большие объёмы данных.
ПК-10: Способен реализовывать модели и алгоритмы прикладной математике в виде компьютерных программ.
ПК-11: Способен оценивать корректность и воспроизводимость применения методов прикладной математики и информатики.
Учебный план образовательной программы включает в себя следующие модули:
1. Модуль «Ключевые семинары» обеспечивает сквозное сопровождение индивидуальной образовательной траектории студента и формирование профессиональной идентичности разработчика интеллектуальных систем. Семинар наставника позволяет объединить содержательные линии Major, практики и НИР: на семинарах обсуждаются отраслевые кейсы, прогресс по проектам и ВКР, рассматриваются реальные вакансии и требования к будущим специалистам. В рамках Семинара наставника к работе привлекаются эксперты индустрии, которые проводят вебинары и даже полноценные курсы. Модуль выступает в роли площадки для оперативной и гибкой интеграции академического и практического опыта, выстраивания карьерной траектории.
Кроме того, Семинар наставника для данного года поступления обеспечивает необходимую адаптацию учебного плана в переходной период большого обновления программы МНАД до ПРИНТ.
2. Модуль «Практика» ориентирован на формирование у студентов опыта решения отраслевых задач, работы в командах и взаимодействия с заказчиком. В него входит:
– Курсовая работа для студентов первого курса, ориентированная на создание первого комплексного проекта, основанного на знаниях, полученных в ходе освоения программы 1 года обучения.
– Подготовка выпускной квалификационной работы (ВКР), которая обеспечивает структурированную работу над ВКР: углубление теоретической базы, разработку и экспериментальную проверку предложенного решения, оформление текста и подготовку к защите.
3. Модуль «Major» является содержательным ядром программы и обеспечивает формирование профессиональных компетенций разработчика интеллектуальных систем. В его состав входят:
– дисциплины по фундаментальной математической подготовке: «Математический анализ», «Дискретная математика», «Линейная алгебра», «Теория вероятностей и математическая статистика»;
- дисциплины составляющие ядро подготовки специалиста в области наук о данных и искусственного интеллекта: «Машинное обучение», «Нейронные сети и глубинное обучение», «Анализ и прогнозирование временных рядов», «Разработка ИИ-агентов»;
– прикладные курсы по языкам программирования, инструментам и технологиям: «Введение в Python», «Python для анализа данных», «Базы и хранилища данных», «Жизненный цикл моделей ML»;
Обучение строится по принципу пирамиды, где в основании фундаментальные наиболее востребованные инструменты и знания для специалистов на рынке труда. После построения фундаменты идет погружение в более узкие, сложные и специализированные темы, необходимые для освоения профессии Разработчика интеллектуальных систем.
4. Модуль «МагоЛего» предоставляет студентам возможность сформировать индивидуальную междисциплинарную траекторию за счет выбора дисциплин. Среди дисциплин, предлагаемых к выбору: «Рекомендательные системы», «DevOps», «LSML», «NLP», «Компьютерное зрение». Такой формат позволяет адаптировать обучение под карьерные планы студента и запросы рынка.
5. Модуль «ГИА» включает итоговую защиту выпускной квалификационной работы. Он завершает сквозную исследовательско‑проектную линию программы и служит инструментом комплексной оценки сформированных у студента компетенций в области наук о данных и разработки интеллектуальных систем.
-
Offered fully online - you can study from anywhere in the world according to your own schedule;
-
High level of support - instructors are available on Zoom and via email, student-to-student communication is carried out on Slack and Coursera forums. Live sessions are hosted on a regular basis, students can always discuss their questions and ideas between each other and with the Teaching Staff, there are many assignments checked by instructors manually.
-
Lots of practical assignments - almost every course ends up with the final project. In addition, the programme includes 3 big projects which allow students to work on the real business or industry relevant tasks provided by the partners of the programme and to get hands-on experience;
-
Opportunity to be interviewed by industry partners of the programme for students with the highest academic performance;
-
The programme is organised according to demands and expertise of the leading IT companies presented in Russia;
-
Students without previous math and/or programming experience are able to complete the programme successfully with sufficient time investment.
Graduates can start or continue their career in the fields like data science, machine learning, analytics and apply for Junior Data Scientist or Junior Machine Learning Engineer positions. Besides, graduates can continue their academic career as PhD students and do research in the field of data science.
In the framework of the programme students can choose one out of three tracks - two of them are industry relevant which aim to prepare students for specific positions, and one is for research goals:
-
Data Scientist,
-
Machine Learning Engineer,
-
Researcher in Data Science.
From the beginning of the first semester students learn programming (Python, SQL), algorithms and data structures, mathematics for data analysis. The programming and math blocks end up with the project on collecting and processing big data. In the second semester students choose a Track.
Apart from standard courses which combine theory and practice, there are also 2 project courses: Machine Learning and Final Project (Master’s Thesis which can be devoted to practical or research problems).
In order to complete the programme successfully, students must earn 120 ECTS credits. The learning process is offered fully online and is monitored by standard tools for online education: daily communication on forums and during the webinars, exams with proctoring, projects and thesis defense via Zoom.
This degree programme of HSE University is adapted for students with special educational needs (SEN) and disabilities. Special assistive technology and teaching aids are used for collective and individual learning of students with SEN and disabilities. The specific adaptive features of the programme are listed in each subject's full syllabus and are available to students through the online Learning Management System.
All documents of the degree programme are stored electronically on this website. Curricula, calendar plans, and syllabi are developed and approved electronically in corporate information systems. Their current versions are automatically published on the website of the degree programme. Up-to-date teaching and learning guides, assessment tools, and other relevant documents are stored on the website of the degree programme in accordance with the local regulatory acts of HSE University.
I hereby confirm that the degree programme documents posted on this website are fully up-to-date.
Vice Rector Sergey Yu. Roshchin
Summary of Degree Programme 'Applied Neural Network Technologies'
